Доклад CEO на NexcConf

AI-агенты перестали быть игрушкой для демо. Банки, поддержка, онбординг, запись на услуги и консультации по товарам уже работают через агентов, которые не просто отвечают на реплики, а ведут клиента к результату. В основе этой статьи — доклад Дмитрия Филиппова, CEO Getmyai, на конференции NexcConf: разбираем путь от «а давайте сделаем агента» до работающей системы — идею, исследование, проектирование, инструменты и практику запуска. Слайды доклада можно посмотреть и скачать в конце статьи.

Что такое AI-агент

AI-агент — это отдельная программа, которая:

• общается с окружением;
• имеет заданную цель;
• принимает решения;
• доводит пользователя до результата, а не просто выдаёт реплику.

Разница с обычным чат-ботом — в автономии. Чат-бот отвечает. Агент действует: уточняет, выбирает, вызывает инструменты, проверяет условия и двигает сценарий дальше.

Где это уже применяется:

• банковские услуги;
• поддержка;
• онбординг;
• запись на услуги;
• консультации по товарам.

Примеры из доклада:

• Сбербанк: клиент пишет «Я не хочу перевыпускать карту». Агент уточняет причину: кража/потеря, изменение персональных данных или другое — и ведёт по нужной ветке.
• AI-помощник компании Simpl в Telegram: клиент спрашивает, как подключиться к СУДИР. В ответ приходит не «обратитесь к администратору», а пошаговая инструкция по подключению.
• Barry: вопрос «Как подключить DOH на Windows 11?» закрывается понятной инструкцией по настройке DNS-over-HTTPS.

Хороший агент здесь решает повторяемую задачу и снимает нагрузку с живых операторов.

Откуда берутся хорошие кейсы

Сильный кейс для агента обычно выглядит так:

• есть потеря времени, денег или рутина;
• задачу можно решить с AI;
• решение приносит измеримую ценность.

Слабый кейс чаще всего страдает одним из трёх:

• цель размыта («сделайте нам AI»);
• нет данных и правил, на которых агент должен работать;
• агент получает полную свободу там, где цена ошибки высока.

Правило отбора простое: если вы не можете назвать, кто пользователь, какой результат он получает и по каким правилам агент принимает решения, — это ещё не проект, а фантазия.

Шаг 1. Идея

Стартовая точка не «какую модель подключить», а бизнес-боль. Ищите места, где люди теряют время, деньги или делают рутину вручную.

Вопросы, которые помогают отсеять слабые идеи:

• Что сейчас делается вручную и повторяется каждый день?
• Где клиент ждёт ответа дольше, чем готов ждать?
• Где сотрудники копируют одни и те же инструкции?
• Где ошибка стоит дороже, чем автоматизация?
• Можно ли измерить эффект: время ответа, конверсию в запись, долю закрытых обращений?

Если после этих вопросов остаётся только «было бы прикольно», кейс рано брать в работу.

Шаг 2. Исследование: CustDev и JTBD

После идеи нужно проверить, что людям это действительно нужно. Для этого используют CustDev, JTBD и другие методы.

JTBD (Jobs To Be Done) смотрит на задачу клиента, а не на инструмент. Классический пример из доклада: люди приходят не за маникюром, а за ухоженными руками и уверенностью в себе. Клиенту важен не сам маникюр, а результат, который он хочет получить.

То же с записью в салон. Клиенту не нужен звонок администратору как таковой. Ему нужно быть записанным и уверенным, что он получит услугу в нужное время.

Это меняет постановку задачи. Плохая формулировка: «сделать бота, который принимает запись». Рабочая формулировка: «помочь клиенту быстро выбрать слот, оставить контакты и получить подтверждение без звонка».

Что спросить у клиентов до разработки:

• Как вы сейчас решаете эту задачу?
• Что раздражает в текущем процессе?
• Когда последний раз вы бросили попытку?
• Что для вас будет «задача решена»?
• Что вас остановит от использования агента?

Шаг 3. Проектирование

Когда боль понятна, агент проектируется как обычный продуктовый процесс:

• User Story — кто пользователь и зачем ему это;
• Use Case — какие сценарии он проходит;
• моделирование — как система двигается по веткам;
• Test Case — как проверить, что агент не ломается на краях.

Пример из доклада — запись в салон. Логика такая:

• Клиент запрашивает запись → агент получает запрос.
• Если слот свободен → агент просит ФИО и номер телефона → записывает в календарь → отправляет клиенту подтверждение → завершение.
• Если слота нет → агент сообщает свободное время на дату → клиент выбрал — снова шаг с ФИО и телефоном; не выбрал — агент предлагает другие даты.

Здесь важна не красота схемы, а проверяемость. У каждого узла понятный вход, понятное действие и понятное условие выхода. Если агент ошибётся, вы увидите, на какой ветке это случилось.

Из этого же проектирования рождаются ограничения:

• что агент может обещать клиенту;
• когда обязан позвать человека;
• какие данные собирает;
• что делает при отсутствии слота;
• как подтверждает запись.

Чем точнее эти правила на берегу, тем меньше «креатива» в продакшене.

«Нарушаем правила»: агенты вне шаблона

В докладе есть отдельный блок про кейсы, которые выходят за рамки классической поддержки и записи:

• подсчёт БЖУ по фотографии;
• обед по фото из холодильника;
• поиск авиабилетов через Aviasales;
• суммаризатор родительского чата.

Все четыре примера объединяет одно: агент закрывает бытовую, но повторяющуюся задачу, где пользователю нужен не «ответ вообще», а готовый следующий шаг. Посчитать калорийность по фото, предложить блюдо из того, что есть дома, найти билет или кратко пересказать 200 сообщений в родительском чате — это не магия, а узкий сценарий с понятным результатом.

Именно такие кейсы хорошо показывают новичкам, что AI-агент — это не «большой корпоративный чат поверх регламентов», а любой процесс, где есть вход, решение и результат.

Шаг 4. Инструменты: no-code или code

Инструменты из доклада делятся на два подхода:

• No-code (Coze.com, n8n, Make.com) — быстрый MVP, воркшоп, проверка гипотезы, интеграции без разработки.
• Code (Python, Node.js) — сложная логика, свои данные, строгий контроль, продакшен, вайб-кодинг под задачу.

Coze удобен как первый шаг: собрать агента, описать Persona & Prompt, подключить плагины и выпустить в Telegram — пошаговое руководство есть в статье Создаём AI-агента и подключаем к Telegram. n8n и Make.com сильнее в автоматизации процессов вокруг агента: CRM, календари, таблицы, уведомления, вебхуки. Код нужен там, где no-code начинает мешать: нестандартная логика, собственные модели данных, высокие требования к безопасности.

Для команд из России есть практичный мостик к коду и no-code: доступ к моделям из РФ без лишней инфраструктуры. Для телефона есть приложение dns.vega.codes (Android и iOS), для программ и агентов — OpenAI-совместимый API api.vega.chat с единым эндпоинтом https://api.vega.chat/api/v1. Через него можно подключить LLM к агенту, не собирая парк подписок под каждую модель. Для боевых сценариев это значит: единый ключ, прозрачная стоимость запросов, серверная часть в РФ и нормальная интеграция с Python/Node.js вместо ручного обхода ограничений. Подробнее о доступе — в конспекте доклада с WAW 2025.

Практикум: агент за 25 минут

Формат из доклада — короткий цикл от идеи до демонстрации. Он хорошо подходит для первой сборки в команде.

План работ:

1. Зарегистрироваться на coze.com.
2. Выбрать идею для реализации.
3. Заполнить Persona & Prompt: роль, функция, ограничения.
4. Добавить дополнительный функционал при необходимости.
5. Опубликовать агента в Telegram.

Рабочий чеклист для Persona & Prompt:

• кто агент: роль и тон;
• что он делает: одна основная задача, а не десять;
• что он не делает: границы и запреты;
• какие данные собирает;
• когда зовёт человека;
• как выглядит хороший ответ;
• что делать, если данных не хватает.

Пример рабочей формулировки вместо «ты помощник»:

Ты — администратор салона красоты. Отвечаешь только по записи, услугам и свободным слотам. Если клиенту нужна консультация по здоровью, отправляешь к специалисту. Не придумываешь цены и слоты: если данных нет, честно говоришь, что уточнишь. Запись подтверждаешь только после ФИО и номера телефона.

Такой промт проверяемый. Его можно тестировать тест-кейсами: есть слот / нет слота / клиент передумал / клиент просит не по теме / клиент оставил неполные данные.

Как понять, что агент готов к запуску

Перед публикацией в Telegram прогоните 10–15 диалогов:

• счастливый путь: клиент сразу выбирает слот и получает подтверждение;
• нет свободного времени;
• клиент выбирает другую дату;
• клиент не оставляет телефон;
• клиент спрашивает не по теме;
• клиент просит скидку, которой нет;
• клиент пишет с ошибками и голосом вперемешку;
• агент должен эскалировать к человеку;
• клиент возвращается к брошенной записи;
• агент корректно завершает диалог.

Если на краевых случаях агент начинает фантазировать, режьте свободу: добавляйте ограничения, справочники, кнопки, шаблоны и человека в контуре.

Что вынести из доклада

• AI-агент — это программа с целью и решениями, а не «чат с кнопкой».
• Хороший кейс начинается с потери времени или денег, а не с желания «попробовать нейросети».
• JTBD отрезвляет: клиенту нужна записанная услуга, а не разговор с ботом.
• Проектируйте агента как продукт: User Story, Use Case, модель процесса, Test Case.
• Начинайте с no-code (Coze, n8n, Make), переходите к коду там, где упираетесь в логику или безопасность.
• Для доступа из России используйте dns.vega.codes на телефоне и api.vega.chat для API-интеграции.
• Первый агент лучше сделать за 25 минут и сломать его на тестах, чем месяц обсуждать «стратегию AI».

Презентация доклада

Слайды доклада с NexcConf — можно листать прямо здесь или скачать:

Скачать презентацию (PDF)

---

Материал основан на докладе Дмитрия Филиппова, CEO Getmyai, на конференции NexcConf. Канал автора — @getmyai, личный контакт — @ingeniare.